收录：
摘要：
本发明公开一种基于测试样本加权与类别假设的分类方法，通过将测试样本假定为某一分类类别，并运用混沌算法在全空间参数搜索上的优势给出其对应的最佳权值，让加权的测试样本参与到分类器模型的训练中，与训练样本一同训练得出新的分类器模型；借助该分类器重新计算每个训练样本的分类情况，进而得出分类器整体分类精度；重新对测试样本的分类情况进行假设，使其遍历所有可能的分类并分别训练对应分类器模型，计算分类精度；对全部训练所得分类器按分类精度进行排序，基于分类器的分类精度越高测试样本分类假设越合理的原则，找到对测试样本的最佳分类假设作为该样本的类别判断。与其它分类方法相比，本发明的方法具有更好表现。
关键词：
通讯作者信息：
电子邮件地址：
